Einblicke in das digitale Marketing: 5 Begegnungen mit maschinellem Lernen

Von der Spam-Filterung bis zur Optimierung von Produktionslinien hat die Einführung und Effektivität von maschinellen Lernsystemen in den letzten Monaten und Jahren einen Boom erlebt – und kein Bereich hat einen bedeutenderen und transformativeren Anstieg erlebt als das digitale Marketing. Dieser Artikel versucht, einige der interessantesten Beispiele für maschinelles Lernen zu erklären, die heute in Online-Kontexten verwendet werden, und gibt einen Kommentar dazu, wie digitale Vermarkter versuchen sollten, diese sich ständig weiterentwickelnden Innovationen zu berücksichtigen und daraus Kapital zu schlagen.

Aber was ist maschinelles Lernen?

Maschinelles Lernen ist eine der nützlichsten und am weitesten verbreiteten Manifestationen künstlicher Intelligenz, die derzeit in einem kommerziellen Kontext verwendet wird. Ein maschinelles Lernsystem ist ein Algorithmus mit der Fähigkeit, seine eigenen Prozesse selbstständig zu optimieren, indem es die durch seine eigenen Aktivitäten generierten Daten analysiert und darauf reagiert. Diese Technologie wird bereits in einer Vielzahl von Webanwendungen eingesetzt.

Facebook-Newsfeed

Der Algorithmus von Facebook lernt Sie ständig dazu; Analyse Ihres Verhaltens, um den Inhalt zu personalisieren, der an Ihren einzigartigen Newsfeed geliefert wird. Wie zu erwarten, werden Likes/Reaktionen, Linkklicks, Videowiedergaben, Kommentare und Shares – Engagements – in die Berechnungen der Newsfeed-Algorithmen einbezogen. Vielleicht noch überraschender ist die Tatsache, dass die Zeit, die Sie untätig mit Ihrem Newsfeed verbringen, Inhalte lesen oder ansehen, ohne sich aktiv damit zu beschäftigen, auch in die Berechnungen des Algorithmus einbezogen wird. Scrollen Sie weiter über eine bestimmte Art von Inhalten hinaus und Sie werden in Zukunft etwas weniger davon sehen.

Insight – Post-Engagements und Reichweite sind untrennbar miteinander verbunden – aber die Einbeziehung von Leerlaufzeiten in den Newsfeed-Algorithmus von Facebook erinnert uns daran, dass der Eigenwert eines Facebook-Posts als eigenständige Inhaltseinheit ebenfalls eine wichtige Rolle spielt. Wenn Sie Links als Teil Ihrer Facebook-Marketingstrategie teilen, kann es sich für Sie lohnen, damit zu experimentieren, diese Links mit relativ langen Texten zu begleiten. Facebook möchte die Aufmerksamkeit seiner Nutzer erhalten – es ist sinnvoll, dass sie die Inhaltsposter, die ihnen dabei helfen, vor Ort belohnen.

Twitters neuer Fokus auf Visuals

2016 erweist sich für Twitter als ein Jahr des radikalen Wandels, mit der Unterstützung längerer Videoclips und einer erhöhten Zeichenbegrenzung für Rich-Posts, die zu einer Reihe von Updates gehören, die deutlich auf einen neuen Fokus auf Fotos und Videos für die Social-Messenger-App hinzuweisen scheinen .

In diesem Juni kündigte Twitter-Gründer Jack Dorsey einen weiteren Schritt an, der starke Ambitionen in Bezug auf visuelle Inhalte signalisiert: nämlich den Kauf des in London ansässigen Experten für maschinelles Lernen, Magic Pony Technology. Dorsey schrieb im offiziellen Twitter-Blog:

„Das Team von Magic Pony wird sich Twitter Cortex anschließen, einem Team aus Ingenieuren, Datenwissenschaftlern und Forschern für maschinelles Lernen, das sich der Entwicklung eines Produkts verschrieben hat, in dem Menschen leicht neue Erfahrungen finden können, die sie teilen und an denen sie teilnehmen können.

„Die Technologie von Magic Pony – basierend auf Forschungen des Teams zur Entwicklung von Algorithmen, die die Eigenschaften von Bildern verstehen können – wird verwendet, um unsere Stärke im Live- und Videobereich zu stärken, und eröffnet Twitter eine ganze Menge spannender kreativer Möglichkeiten.“

Einblick – Während die genauen Funktionalitäten, die von Magic Pony Technology und Twitter entwickelt werden, noch nicht bekannt sind, verdeutlicht eine Erklärung auf der Website von Magic Pony Technology die Richtung ihrer Arbeit: „[…] wir freuen uns, bekannt zu geben, dass wir uns mit Twitter zusammenschließen unsere Technologie zu nutzen, um die visuellen Erlebnisse zu verbessern, die über ihre Apps bereitgestellt werden.“

Es sieht so aus, als könnten wir einer Zukunft entgegensehen, in der Twitter Bilder an die Newsfeeds der Benutzer liefert, die nicht nur auf den Wörtern und Tags basieren, die zur Beschreibung von Bildern und Videos verwendet werden, sondern auch auf den Themen der Medien, die algorithmisch diagnostiziert werden.

Google RankBrain

Anfang dieser Woche berichteten wir über die wegweisende Nachricht eines leitenden Google-Mitarbeiters, dass 100 % der bei Google eingehenden Suchanfragen jetzt vom maschinellen Lernsystem RankBrain verarbeitet werden, wodurch ein hoher Prozentsatz der Suchrankings beeinträchtigt wird. RankBrain ist ein wichtiger Bestandteil des übergreifenden Google-Suchalgorithmus Hummingbird.

Es ist unklar, welche Faktoren RankBrain genau berücksichtigt, wenn es die Effektivität von Suchergebnissen abwägt, aber was wir wissen, ist, dass sich das System ständig weiterentwickelt, ständig dazulernt und ständig danach strebt, Ergebnislisten bereitzustellen, die den Anforderungen des Benutzers besser entsprechen.

Insight – Wenn Sie den höchsten Rang erreichen wollen, seien Sie der Beste. Bill Gates sagte uns bereits 1996 „Content is King“, aber angesichts der wachsenden Macht und des enormen Potenzials des maschinellen Lernens fühlt es sich wirklich so an, als ob die Websites mit den besten Inhalten – in Bezug auf Qualität, Tiefe und Relevanz – es sind Endlich bereit, geschickt SEO-geprägte Websites mit minderwertigen Inhalten auf den Ergebnisseiten von Google in den Schatten zu stellen. Die uralten Fähigkeiten des Linkaufbaus, der Metadatenoptimierung und der Keyword-Planung sind immer noch wichtig, aber Suchmaschinenvermarkter sollten mehr Zeit damit verbringen, die Relevanz und Qualität der Inhalte zu verbessern.

Journalismus

Einsicht – Manche Schriften lesen wir wegen ihres Stils und ihrer Stimme, manche, um einen Standpunkt zu schätzen oder abzulehnen, und manche, um Informationen zu erhalten. Normalerweise bietet ein Text eine Kombination dieser Facetten, aber in manchen Fällen möchte der Leser einfach die harten Fakten – insbesondere in Nachrichten oder Sportberichten. In diesen Situationen sind journalistische KIs bereits in der Lage, die Aufgabe mit wenig oder gar keinem menschlichen Input auszuführen.

Wie The Guardian im Jahr 2015 berichtete, prognostiziert die amerikanische KI-Firma Narrative Science, dass maschinelle Lernsysteme wie ihre eigenen bis 2030 in der Lage sein werden, 90 % unserer journalistischen Artikel zu schreiben. Hier ist ein Beispiel für einen Sportbericht, der unabhängig von der Maschine von Narrative Science geschrieben wurde:

„Dienstag war ein großartiger Tag für W Roberts, als der Junior-Pitcher ein perfektes Spiel warf, um Virginia zu einem 2: 0-Sieg über George Washington in Davenport Field zu führen.

„Siebenundzwanzig Colonials kamen auf den Teller und der Virginia Pitcher besiegte sie alle, indem er ein perfektes Spiel aufstellte. Er schlug 10 Batters aus, während er seine bedeutsame Leistung aufzeichnete.

„Tom Gately kam für die Colonials auf dem Gummi zu kurz und verzeichnete einen Verlust. Er ging drei Innings, ging zwei, schlug eins aus und erlaubte zwei Läufe. Die Cavaliers stiegen im vierten endgültig auf und erzielten zwei Läufe nach Wahl eines Feldspielers und einen Balken.

Einsicht – Aber ist das gut? Im Interesse der journalistischen Objektivität wäre unsere Antwort ein zaghaftes Ja. Maschinen mag die außerordentlich komplexe Moral und der Charakter eines menschlichen Schriftstellers fehlen, aber an diesem Punkt fehlen ihnen auch die Vorurteile und Vorurteile. Da sich maschinelle Lernsysteme weiterentwickeln und selbstbilden, hindert sie natürlich nichts daran, ihre eigenen Glaubensbekenntnisse zu entwickeln, komplett mit all dem Gepäck, der Schönheit und der Komplexität.